• Bounding boxes 는 이미지에서 관심 개체 주위에 그려진 직사각형입니다. 이 상자는 이미지 데이터에 있는 개체의 위치와 범주(class 혹은 category) 정보를 AI 모델에게 알려주어 학습 데이터로 활용하는 데 사용됩니다. Bounding box는 객체 감지 프로젝트에 사용됩니다. 이미지의 개체 주위에 경계 상자를 그리고 각 상자에 클래스 레이블을 할당할 수 있습니다.

• 다각형은 이미지의 여러 점으로 정의된 모양입니다. 일반적으로 직사각형으로 표시되는 경계 상자와 달리 다각형 모양은 더 복잡할 수 있으며 개체 모양에 더 정확하게 주석을 추가하는 데 사용할 수 있습니다. 다각형은 이미지 분할 프로젝트 에 사용됩니다. 이미지의 객체나 영역 주위에 다각형 모양을 그려서 정확한 경계를 정의하고 각 다각형에 클래스 레이블을 할당할 수 있습니다.
  

Deep Block의 라벨링 도구

Deep Block의 라벨링 도구는 이미지 분할 및 사물 인식 프로젝트에서 사용할 수 있습니다.

개체 범주는 범주 패널에서 사용할 수 있습니다.

개체 범주 또는 클래스는 이미지에 나타날 수 있는 다양한 개체 유형을 나타냅니다. 객체 클래스는 이미지에서 관심 있는 객체에 레이블을 지정하는 데 사용됩니다.

데이터 라벨링에 사용되는 개체 범주 집합은 작업 및 도메인에 따라 달라질 수 있으며 필요에 따라 새 범주를 추가할 수 있습니다. 포괄적이면서도 현재 작업에 대한 관심 개체를 포함하는 개체 클래스 세트를 선택하는 것이 중요합니다. 주석이 달린 데이터의 품질과 정확성, 훈련된 모델의 성능은 객체 카테고리 선택에 따라 달라지므로 이를 신중하게 고려하는 것이 중요합니다.

• 카테고리를 추가하려면 " " 를 클릭하세요.
• 카테고리를 선택한 후 카테고리 이름을 바꾸려면 " "을 클릭하세요. 바꾸고자 하는 카테고리를 마우스 오른쪽 버튼으로 클릭하여 수정할 수도 있습니다.
• 카테고리를 선택한 후 카테고리를 제거하려면 " "을 클릭하세요. 이 옵션은 원하는 카테고리를 마우스 오른쪽 버튼으로 클릭하여 사용할 수도 있습니다.
  
  주의: 범주를 제거하면 해당 범주에 속하는 레이블이 지정된 모든 데이터가 제거됩니다.
  
• 색상이 지정된 " "을 클릭하면 카테고리 색상 패널이 표시됩니다. HEX 또는 RBG 값을 사용하여 원하는 색상을 선택하거나 원하는 색상을 직접 선택할 수 있습니다.

사용하려는 훈련 데이터세트가 훈련 패널에 표시됩니다.

데이터 라벨링의 데이터 세트는 라벨 또는 주석이 달린 이미지 모음을 나타냅니다. 이미지는 다양한 공개 또는 상업용 소스(위성, 드론, 현미경 및 모든 유형의 센서)에서 선별됩니다.

데이터 라벨링에서 주석이 달린 이미지는 일반적으로 훈련 세트와 검증 세트의 두 부분으로 나뉩니다. 훈련 세트는 기계 학습 모델을 훈련하는 데 사용되며 검증 세트는 성능을 평가하는 데 사용됩니다. 검증 세트는 모델 성능을 평가하고 모델이 훈련데이터에 너무 지나치게 적합하고 새 데이터에서 제대로 작동하지 않을 떄 발생하는 과적합을 방지하는 데 사용됩니다.

데이터 세트의 품질과 크기는 훈련된 기계 학습 모델의 성능에 중요한 요소입니다. 고품질 주석이 포함된 대규모 데이터 세트는 더 나은 성능의 모델로 이어질 수 있는 반면, 작거나 주석이 제대로 달린 데이터 세트는 모델 성능이 저하될 수 있습니다.

작업 및 데이터의 요구 사항을 충족하도록 데이터 세트를 신중하게 선별하는 것이 중요합니다.

• 웹캠을 통해 이미지를 추가하려면  " " 을 클릭하세요.
• 라벨링 정보가 포함된 JSON 파일을 업로드하려면  " " 을 클릭하세요. JSON 파일은 이미지의 주석이나 레이블을 저장하는 데 자주 사용됩니다.
• 현재 프로젝트에 대한 JSON 파일을 다운로드하려면 " "을 클릭하세요.
• 레이블을 지정하려는 이미지를 가져오려면 " "을 클릭하세요.
• 이미지를 선택한 후  " "를 클릭하면 이미지가 제거됩니다.

지원되는 이미지 파일 형식은 png, jpg, webp, tiff, bmp, geotiff 및 jp2(무료 사용자의 경우 최대 10GB)입니다.
지원되는 JSON 파일 형식: COCO JSON

이미지 패널에서는 라벨을 지정하려는 이미지, 라벨 지정 도구 상자 및 미니맵을 찾을 수 있습니다.

• Train 패널에서 이미지를 선택하여 이미지 패널에 표시합니다.

라벨링 도구 상자는 모든 이미지를 쉽게 탐색하고 주석을 달 수 있도록 도와주는 도구 세트입니다. 이미지 패널의 왼쪽 상단에서 찾을 수 있습니다.

• 사진을 확대하려면 " " 를 클릭하세요.
• " " 를 클릭하면 사진이 축소됩니다.
• 보기를 재설정하려면 " " 을 클릭하세요.
• 전체 화면 모드를 전환하려면" " 을 클릭하십시오.
• 그리기 모드를 전환하려면 " " 를 클릭하십시오.
• 선택 모드를 전환하려면 " " 을 클릭하십시오.
• 이동 모드를 전환하려면  " "를 클릭하세요.

Quick Tips

데이터 라벨링에 더 잘 몰입하려면 전체 화면 보기를 전환하세요.

단축키를 사용하여 작업을 용이하게 할 수도 있습니다.

• 1-9: 해당 카테고리를 선택하려면 키패드의 아무 숫자나 누르십시오. 이는 라벨링 중에 카테고리를 쉽게 전환하는 데 도움이 됩니다. 다각형이나 경계 상자를 선택하고 아무 숫자나 누르면 현재 카테고리가 해당 카테고리로 전환됩니다.
• 스페이스바: 이동 모드로 전환
• Crtl: 그리기 모드로 전환, 그리기 모드의 꼭지점 표시
• S: 선택 모드로 전환
• Delete: 현재 이미지를 삭제합니다. 다각형이나 경계 상자를 선택하고 삭제를 눌러 제거합니다.
• ↑: 목록의 이전 이미지로 전환
• ↓: 목록의 다음 이미지로 전환
• →: 이미지를 오른쪽으로 이동
• ←: 이미지를 왼쪽으로 이동

객체 감지 프로젝트 해당사항 : Draw mode를 사용하여 원하는 객체 주위에 경계 상자를 만듭니다. 상자의 경계 내에 개체의 모든 모서리를 포함하는 한 객체의 각도는 중요하지 않습니다.

Bounding box 가 생성되면 선택 모드를 사용하여 크기를 조정할 수 있습니다. 개체가 상자 안에 제대로 들어갈 때까지 모서리 핀의 위치를 ​​원하는 대로 수정합니다.

이미지 분할 프로젝트 해당사항: Draw mode를 사용하여 원하는 개체 또는 영역의 윤곽을 따라 다각형을 만듭니다. 모델 성능을 향상시키려면 꼭지점이 최대한 정확해야 합니다.

폴리곤(다각형)이 생성되면 선택 모드를 사용하여 각 개별 꼭지점을 이동할 수 있습니다. 다각형의 테두리가 개체 또는 영역의 테두리와 정렬될 때까지 원하는 대로 앵커 위치를 수정합니다.

Mini-map은 사용자가 라벨을 지정하는 이미지를 작고 단순화하여 표현한 것입니다. 주변 영역에 대한 오버뷰와 시각적 개요를 제공하므로 이미지 내 창의 위치를 ​​더 쉽게 이해할 수 있습니다. 이미지에서 현재 작업중인 위치는 빨간색 직사각형으로 동적으로 표시됩니다.

Statistics tab은 카테고리별로 프로젝트 데이터세트 또는 선택한 이미지 내의 다각형 또는 경계 상자 수를 나타냅니다. 이를 통해, 총 준비된 학습 데이터의 양을 알 수 있습니다.

Polygons 또는 Boxes 탭에는 선택한 이미지 내에 레이블이 지정된 각 개체 또는 영역이 나열됩니다. 이 목록의 각 주석을 개별적으로 선택하여 주석의 현재 위치를 확인할 수 있습니다.

• 주석을 제거하려면 목록에서 주석을 선택한 후 " "를 클릭하세요.
  주의: 이 프로세스는 실행 취소할 수 없습니다.
  
  
• 카테고리를 전환하려면 " "  을 클릭하거나 목록의 각 주석을 마우스 오른쪽 버튼으로 클릭하세요.